# 3.1.2：DateFrame对象

## 创建DataFrame对象

`Pandas`的`DataFrame`对象可以通过许多方式创建，这里举几个常用的例子。
- 通过数组创建 
>pd.DateFrame(array, index=list0, columns=list1)   #list表示一个列表
- 通过单个Series对象创建
>pd.DateFrame(Series,columns=list)
- 通过字典列表创建
>data = [{'a': i, 'b': 2 * i} for i in range(3)] 
 pd.DataFrame(data)

## DataFrame是通用的NumPy数组

如果将`Series`类比为带灵活索引的一维数组，那么`DataFrame`就可以看作是一种既有灵活的行索引，又有灵活列名的二维数组，你也可以把`DataFrame`看成是有序排列的若干`Series`对象。这里的“排列”指的是它们拥有共同的索引`index`。

```python
# 创建Series对象
In: area_dict = {'California': 423967, 'Texas': 695662, 'New York': 141297, 'Florida': 170312, 'Illinois': 149995} 
In: population_dict = {'California': 38332521,'Texas': 26448193, 'New York': 19651127, 'Florida': 19552860, 'Illinois': 12882135} 
In: population = pd.Series(population_dict)
In: area = pd.Series(area_dict) 
# 创建DataFrame对象
In: states = pd.DataFrame({'population': population, 'area': area})
In: states 
Out: 		area 	 population 
 California  423967     38332521 
 Florida 	170312 	19552860 
 Illinois    149995 	12882135 
 New York    141297 	19651127 
 Texas       695662 	26448193
```
和`Series`对象一样，`DataFrame`也有一个`index`属性可以获取索引标签。另外，`DataFrame`还有一个`columns`属性，是存放列标签的`Index`对象。

```python
In: states.columns 
Out: Index(['area', 'population'], dtype='object')
```

## DataFrame是特殊的字典

与`Series`类似，我们也可以把`DataFrame`看成一种特殊的字典。字典是一个键映射一个值，而`DataFrame`是一列映射一个`Series`的数据。例如，通过`area`的列属性可以返回包含面积数据的`Series`对象。


```python
In: states['area'] 
Out: California  423967
 	Florida 	170312
 	Illinois	149995
 	New York	141297
 	Texas   	695662
 	Name: area, dtype: int64
```

**注意：在 `NumPy` 的二维数组里，`data[0]` 返回第一行；而在 `DataFrame` 中，`data['列名']`返回与列名相匹配的那一列。**